融合注意力机制的雷达欺骗干扰域适应识别方法

针对目前雷达欺骗干扰识别中常规特征识别方法应用受限和训练高性能深度学习模型需要的大量标注样本难以高效获取的问题,该文提出一种基于对抗域适应网络的雷达欺骗干扰识别方法,以改善标签限制;并融合注意力机制残差模块进一步提升识别精度。首先,对雷达接收信号进行时频变换后,应用基于对抗网络思想的域适应技术实现从标注源域样本到未标注目标域样本的迁移识别。其次,通过所设计的空间通道注意力残差模块使网络训练聚焦于时频图全局空间特征和高响应通道,以忽略时频图像中可迁移性低的区域抑制负迁移的产生。在不同源域与目标域雷达欺骗干扰数据集上的实验结果表明了该方法的可行性和有效性。     

基于一维距离像稀疏表达的无源假目标识别

为了解决敌方释放箔条干扰我方防空反击任务或者敌方舰船设置角反射器阵列干扰我方对海目标打击任务中的雷达抗干扰问题,提出了一种基于雷达一维距离像的稀疏表达的无源假目标识别的方法。首先,分别利用大量关注目标和无源欺骗干扰的雷达一维距离像数据进行稀疏字典学习,分别得到目标和干扰的稀疏字典;然后利用两种稀疏字典分别对未知的雷达一维距离像信号进行稀疏表达;最后分别计算两种稀疏字典对未知信号稀疏表达的重构误差,利用重构误差比值识别目标和干扰类别。仿真结果表明,在目标与无源假目标干扰的回波不混叠、目标与干扰噪声比3 dB条件下,识别无源假目标欺骗干扰的准确率超过90%,证明了该方法抗无源假目标干扰的有效性。     

基于深度信念网络的铁路信号设备故障识别

针对现有铁路信号设备故障识别算法特征提取不准确导致正确率偏低的问题,提出了深度信念网络(DBN)的故障识别模型。该模型首先利用无监督训练方法对DBN的多个堆叠受限玻尔兹曼机(RBM)进行预训练,获得网络初始参数;然后,结合铁路信号设备识别问题,构建BP神经网络,利用有标签样本进行反向传播训练,实现网络参数微调。实验结果表明,该模型避免特征提取的人工操作,能够有效实现铁路信号设备故障的准确智能识别。     

基于联合时频辐射源信号识别方法

针对传统基于人工判决和模块匹配识别雷达辐射源信号的不足,提出了一种基于联合时频的智能识别算法。将雷达辐射源信号进行时频变换,处理后的信号经过不同种降维方式输入到自动编码器中,通过预训练调节深度学习模型,并采用常用的softmax分类器对预训练完的模型采取有监督精校和识别,最后完成识别任务。仿真结果表明,该算法能够实现很高识别率,并且经过联合降维较其他几种方法的效果更好。     

基于深度学习的通信辐射源指纹特征提取算法

针对在小样本条件下难以有效提取通信辐射源指纹特征的问题，设计了一种堆栈自编码网络的通信辐射源个体细微特征提取算法。首先通过预处理（高阶谱分析）将原始通信辐射源信号从时域转化到高维特征空间，然后利用大量无标签的通信辐射源高维样本训练堆栈自编码器网络，在此基础上，通过少量有标签的通信辐射源样本对softmax回归模型进行精校训练，从而获得面向通信辐射源指纹特征提取的深度学习网络。实际采集的通信电台数据集上的实验结果验证了该模型的可行性与有效性。      

基于卷积稀疏自编码的图像超分辨率重建

针对卷积稀疏编码算法中特征映射的准确性的问题,为了进一步提高图像超分辨率重建的的质量,文中提出一种基于卷积稀疏自编码的图像超分辨率重建算法。该算法首先在预训练阶段利用稀疏自编码器对输入高低分辨率图像分别进行训练,得到对应的图像稀疏特征表示;然后再由卷积神经网络根据得到的稀疏系数共同训练相应的滤波器及特征映射函数并更新到最优解;最后由高分辨率滤波器和对应的稀疏表示系数卷积求和,得到高分辨率重建图像估计。实验结果显示,改进算法的峰值信噪比（PSNR）结果较卷积稀疏编码算法提高了近0.1 dB,有效提高了重建图像的质量。     

基于栈式稀疏自编码器的低信噪比下低截获概率雷达信号调制类型识别

针对低截获概率(LPI)雷达信号识别率低且特征提取困难的问题,该文提出一种基于Choi-Williams分布(CWD)和栈式稀疏自编码器(sSAE)的自动分类识别系统。该系统从反映信号本质特征的时频图像入手,首先对LPI雷达信号进行CWD时频分析,获取2维时频图像;然后对得到的时频原始图像进行预处理,并把预处理后的图像送入多层稀疏自编码器(SAE)进行离线训练;最后把SAE自动提取的特征输入softmax分类器,实现雷达信号的在线分类识别。仿真结果表明,信噪比为时,该系统对8种LPI雷达信号(LFM, BPSK, Costas, Frank和T1~T4)的整体平均识别率达到96.4%,在低信噪比条件下明显优于人工设计提取信号特征的识别方法。     

基于元学习的畸变雷达电磁信号识别

畸变雷达电磁信号会严重影响雷达侦察装备的探测性能。如何有效地识别畸变信号类型对侦察系统的精确感知具有重要现实意义。针对畸变雷达信号往往存在样本稀缺的问题,该文提出一种基于模型无关元学习的残差网络(MAML-ResNet)。算法首先利用正常雷达信号样本训练元学习器,然后在畸变信号样本进行精调,最后在仅有少量畸变信号样本下,实现畸变信号的识别。实验结果表明该算法有效地提高了在小样本数据下畸变信号的识别准确率。     

一种稀疏重建的天波雷达射频干扰抑制算法

天波雷达工作频段通常有大量的射频干扰,严重影响了雷达探测。目前最有效的射频干扰抑制方法主要是基于相似约束的方法,其本质是在匹配滤波器上叠加一个抑制射频干扰的窄带滤波器。基于窄带滤波器稀疏特性,提出了一种稀疏约束的射频干扰抑制方法,对窄带滤波器施加稀疏性约束并加大对稀疏项的惩罚,在保证匹配滤波器效果的同时更加有效抑制干扰。该方法首先将滤波器分解为匹配滤波滤波器和窄带滤波器,然后对窄带滤波器施加稀疏约束,基于此构建一个稀疏约束的非凸优化问题。最后,提出一种低计算复杂度的交替性自适应迭代算法求解该非凸优化问题。仿真和实测数据处理结果表明,所提方法的输出信干噪比较相似约束算法提高了1 dB以上,有效地提高了射频干扰抑制性能。     

基于周期样本图重构的雷达PRI调制类型识别算法研究

为提升对雷达脉冲重复间隔(pulse repetition interval, PRI)的分析性能,提出了一种基于周期样本图重构的雷达PRI调制类型识别算法。首先,建立了雷达PRI调制模型,分析了不同调制类型的信号特点;其次,利用到达时间(time of arrival, TOA)多阶差分序列估计了雷达PRI调制周期,并基于直方图算法重构了PRI周期样本图;然后,以PRI周期样本图为基础,提出了5个PRI调制特征实现PRI调制类型识别;该方法不仅能够提升PRI调制类型的识别准确率,而且对干扰脉冲特别是脉冲丢失具有很强的稳健性;最后,仿真实验表明了所提方法的有效性。     

线性正则域抑制频谱弥散干扰方法

频谱弥散干扰（SMSP）是一种对抗线性调频脉冲压缩雷达的新型干扰样式。自卫式干扰条件下,目标回波与干扰信号时频域重叠,传统抗干扰手段难以有效抑制。针对该问题,分析了目标回波和干扰信号线性正则域（LCT域）特征,依据特征差异提出了两种LCT域干扰抑制方法,分别为窄带滤波法和稀疏重构法,其中窄带滤波方法通过LCT域遮盖处理,滤除干扰分量,而稀疏重构方法首先利用Pei型DLCT核矩阵构造正交字典,然后基于压缩感知理论重构真实回波。仿真表明,所提两种方法均具有一定的干扰抑制效能,恢复信号与真实回波高度相似,且幅度高于真实回波,使干扰信号成为标的。      

基于时频图像Zernike 矩特征的欺骗干扰识别

为了有效应对跟踪雷达的三种常见欺骗干扰,提出了一种基于平滑伪魏格纳-维尔分布时频图像的Zernike 矩特征的干扰识别方法。该方法对三种干扰下的雷达接收信号进行时频分析,运用数字图像处理技术对时频图像进行一系列的预处理后,通过Zernike 矩特征提取图像的细节特征组成特征向量进行分类识别。仿真实验证明:该方法有较高的识别率,特别是该方法受信噪比影响较小,能够有效降低噪声对干扰识别的影响,说明了采用图像识别方法对雷达欺骗干扰信号进行分类识别的可行性。通过与其他文献方法的比较,证明了该方法的优越性。     

对线性调频雷达的卷积干扰技术

根据线性调频雷达信号处理的特点,该本文提出一种新的应答式干扰技术卷积干扰,即干扰机接收到雷达照射信号后,用某视频信号与接收信号卷积后转发。阐述了卷积干扰的机理,分析了干扰信号的时频特性,讨论了干扰功率及干信比方面的优势。理论分析证明,卷积干扰对线性调频雷达具有显著的干扰效果。根据视频信号的不同,干扰机能产生假目标欺骗干扰和噪声覆盖干扰两种效果,且需要较小的干扰功率。仿真实验表明理论分析的正确性和实际应用的可行性。     

对线性调频脉压雷达的灵巧噪声干扰研究

针对传统噪声在干扰LFM脉冲压缩雷达时干扰功率利用率不高的问题,提出一种灵巧噪声干扰实现方法。该方法将DRFM存储的雷达发射信号与噪声信号相卷积得到灵巧噪声信号,这种信号干扰能量利用率高,能产生压制性和欺骗性双重干扰效果。文章从理论分析和仿真实验角度证明了它能有效干扰LFM脉冲压缩雷达,且性能明显优于射频噪声干扰。     

新型干扰样式对某型雷达干扰效果研究

在分析了一种新型干扰样式——梳状谱干扰信号产生方法的基础上,建立了梳状谱干扰信号的数学模型,并仿真得到了梳状谱干扰信号波形和功率谱。在分析了某型地面情报雷达接收和信号处理技术的基础上,建立了该雷达的系统模型,以此为平台,仿真分析了梳状谱干扰信号对该雷达的干扰效果,并与传统阻塞式干扰信号对该雷达的干扰效果进行比较分析,得到了有益的结果。研究成果将为我军雷达的合理部署和使用,以及电子对抗装备技术的发展和作战使用提供支持。     

对脉压雷达的多相位分段调制干扰方法

针对间歇采样重复转发干扰对目标速度无法产生欺骗且容易被敌方识别的缺点,提出一种对脉压雷达的多相位分段调制干扰方法。对该方法的基本原理进行说明,建立干扰信号的数学模型,推导干扰信号的幅相特性和脉冲压缩结果,以采用线性调频信号的脉压雷达为平台,分析了该方法对脉压雷达的干扰效果。最后对相关干扰效果进行仿真验证,结果表明,与间歇采样重复转发干扰相比,所提干扰方法有较高干扰功率利用率,能够对目标形成灵活可靠的遮盖效果。     

星载SAR欺骗式干扰信号的实时产生技术研究

为了在电子战系统中对敌方星载合成孔径雷达（SAR）雷达进行有效干扰,文中提出了一种新颖的星载SAR欺骗式干扰信号的实时产生技术。该技术首先通过对分布式大场景的干扰调制函数的离线及分块并行计算,降低了干扰信号产生的复杂度和计算量; 然后,通过实时卷积产生欺骗干扰信号,从而实现对敌方星载SAR系统的实时欺骗干扰的目的; 最后,试验干扰机的测试数据和仿真结果说明了方法的有效性。结果表明：该方法不但可以提供可信赖的干扰效果,而且在实践应用中具有一定的实时性。     

基于移频滤波的脉压雷达抗干扰方法

针对线性调频(LFM)脉冲压缩雷达易受移频欺骗干扰影响的问题,提出了基于移频检测的起始频率捷变LFM雷达抗干扰方法.通过分析匹配滤波器参考函数、目标回波信号和干扰信号在频域的相对位置,利用脉间LFM信号起始频率不同的特点,将接收信号进行移频,使得目标回波信号分量无脉压输出,从而确定干扰信号分量在时域的位置,通过时域选通对未进行移频的接收信号脉压结果中的干扰进行滤除达到抗干扰目的.仿真分析了移频检测抗干扰性能,结果验证了所提方法的有效性.     

线性调频脉冲压缩雷达信号干扰仿真研究

脉冲压缩雷达作为一种抗干扰能力很强的新型雷达受到了广泛的关注,如何对其进行有效干扰是一项亟需解决的课题。在对线性调频脉冲压缩雷达信号分析的基础上,研究了噪声干扰、脉冲干扰、频移干扰、延时干扰对该雷达信号的干扰效果,通过计算输入、输出信干比比较了不同干扰的干扰效果。通过仿真,给出了最佳的干扰信号样式。     

一种特征消除的SAR盲移频干扰方法

针对传统移频干扰存在移频干扰特征和无法对抗波形捷变合成孔径雷达(SAR)信号的缺点,文中提出了特征消除的SAR盲移频干扰方法。首先,对接收到的两路SAR信号分别进行延时和2倍频谱扩展;然后,将两路信号进行共轭相乘产生干扰信号,从而将频谱扩展后的信号恢复成原来的SAR回波信号样式,并引入移频干扰相位调制项,可在SAR距离向产生前移、滞后假目标干扰。该方法不仅消除了移频干扰特征,而且能够有效对抗波形捷变SAR雷达信号,是一种盲移频干扰方法。理论分析和仿真实验证明了该方法的可行性和有效性。